评估Keras模型的性能通常包括以下步骤：
划分数据集：将数据集划分为训练集、验证集和测试集。
训练模型：使用训练集训练Keras模型。
评估模型性能：使用验证集评估模型的性能。可以使用模型的evaluate方法来计算模型在验证集上的表现，通常评估指标包括准确率、损失值等。
调整模型参数：根据模型在验证集上的表现进行参数调整，例如调整学习率、优化器等。
最终评估：使用测试集对最终调整后的模型进行评估，得出模型在未见过的数据上的性能。
除了以上步骤，还可以使用其他评估指标来评估模型性能，例如混淆矩阵、精确率、召回率、F1分数等。可以根据具体的问题领域和需求选择合适的评估指标进行模型性能评估。